摘要：基于贝叶斯压缩感知的图像重建特性研究

保守的奈奎斯特(Nyquist)采集样品定理诉求采集样品速度不低于旗号最高频次的两倍，本质工程中大概须要更高的采集样品速度。在少许旗号和图像处置的运用中，硬件实行高采集样品率的难度大、本钱高。当数据量大时，搜集功夫对立较长，消息保存冗余，功效不高。收缩感知表面觉得，在预处置旗号是可收缩大概是可稠密表白的前提下，用丈量矩阵察看，经过求解优化题目不妨重构旗号，能经过远低于Nyquist规范的办法举行数据采集样品，透彻地回复出原始旗号。个中，怎样抛弃掉不要害的消息，径直对感爱好的特性局部举行重构处置，从来是接洽的热门和难点。在稠密贝叶斯框架下，经过对关系向量机(Relevance Vector Machine，RVM)的进修实行稠密旗号的最大后验几率估量，举行一系列旗号重构。经过贝叶斯收缩感知算法对一切的察看向量同声举行处置以重修图像，普及算法功效，透彻地重构原始旗号或图像。使得处置后的图像在某些详细特性上有巩固的效率功效。重要处事囊括：(1)将贝叶斯表面框架和收缩感知本领贯串起来，经过贝叶斯假如检查表面下的收缩感知算法对原图像和灰度稠密化处置的图像举行重构。(2)领会同一幅图像在取各别的丈量值情景下，图像重修前后的峰值信噪比(PSNR)的变革情景。(3)领会同一幅图像在取沟通的丈量值时，被作各别的灰度级稠密化处置之后，图像重修前后的PSNR值的变革情景。领会各个参数下图像重修品质的感化成分，得出试验论断。正文对准超声图像、CT图像、光学图像的灰度稠密化处置和各别丈量值情景下图像重修品质的分别，得出以次论断：    (1)从图像重构前后的辨别率观点接洽各别类型的图像处置进程中会有鲜明的重修前后图像视觉功效分别。正文算法不妨很好地运用于图像重构中，变换图像的灰度稠密化比值和丈量值取值会感化图像的重修品质。    (2)沟通丈量值时做各别灰度稠密化处置重构，并不是一幅图像的灰度稠密化比值越大，图像的重修功效就越好。对原始图像做灰度稠密化处置后，各别的图像会在各别的稠密度下展示重构品质的限制最优地区。    (3)跟着丈量值的增大，察看的图像详细重量会增加，重构图像的PSNR值也会增大。所以，鉴于贝叶斯收缩感知的算法在图像的特性索取中不妨有较好的运用远景。要害词：小波变幻，稠密化，贝叶斯，收缩感知，特性索取

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/219669.html